Search
Abstract
Wiele fizycznie nieuzasadnionych sieci neuronowych, mimo zadowalają- cej wydajności, generuje sprzeczności z logiką i prowadzi do rozbieżno- ści wyników z rzeczywistością. Jedną z metod poprawy funkcjonowania typowego modelu typu “black-box” na etapie uczenia, jest rozszerzenie jego funkcji kosztu o zależność bezpośrednio inspirowaną wzorem fizycz- nym. Niniejszy rozdział wyjaśnia koncepcję budowy sieci neuronowych opartych na prawach fizyki, zawiera przegląd zaproponowanych rozwią- zań w tej dziedzinie oraz opisuje możliwości implementacji funkcji strat wykorzystujących wzory fizyczne. Ponadto przedstawione badania poka- zują, że przewidywania algorytmów inspirowanych przez fizykę mogą być nie tylko optymalne, ale również naukowo spójne z równaniami dziedzi- nowymi. Ostatecznie wykorzystanie wiedzy naukowej zawartej w dosto- sowanych funkcjach kosztów pokazuje, że metodyka ta gwarantuje wy- niki spójne z prawami fizyki, a także lepszą generalizację w porównaniu z klasycznymi sieciami neuronowymi.
Cite as
Full text
full text is not available in portal
Keywords
Details
- Category:
- Monographic publication
- Type:
- rozdział, artykuł w książce - dziele zbiorowym /podręczniku o zasięgu krajowym
- Language:
- Polish
- Publication year:
- 2021
- Bibliographic description:
- Moszyński M., Borzyszkowski B., Damaszke K., Romankiewicz J., Świniarski M.: Sieci neuronowe oparte na prawach fizyki// Uczenie maszynowe i systemy rozproszone/ : , 2021, s.110-119
- Verified by:
- Gdańsk University of Technology
seen 206 times